[發明專利]快件體積預測模型的訓練方法、快件運輸規劃方法、裝置

在審

• 申請號: 202111567111.7
• 申請日: 2021-12-20
• 公開（公告）號: CN116342002A
• 公開（公告）日: 2023-06-27
• 發明（設計）人: 柳逸飛;吳駿;黃東;張忠;胡孝思;張清平
• 申請（專利權）人: 順豐科技有限公司
• 主分類號: G06Q10/083
• 分類號: G06Q10/083;G06Q30/0283;G06Q10/04;G06N20/00;G06F18/241
• 代理公司: 深圳紫藤知識產權代理有限公司 44570
• 代理人: 方艷麗

本申請提供一種快件體積預測模型的訓練方法、快件運輸規劃方法、裝置。該快件體積預測模型的訓練方法在獲取了歷史運單對應的所有歷史運單信息后，首先處理歷史運單信息中的異常數據，得到不包括異常數據的第一運單信息；其次從第一運單信息中確定影響快件體積的目標快件特征，以對目標快件體積進行建模，得到目標快件體積預測模型，并利用目標快件體積預測模型預測快件的體積。本申請通過歷史運單中已明確的運單體積及對異常數據清洗，獲取機器學習樣本，通過獲取影響快件體積的快件特征，再輸入每票運單詳細信息，通過預測的方法得到每票運單體積，可以有效提高快件體積的預測精度，且提高了快件體積預測的效率。

技術領域

本申請涉及快件檢測領域，具體涉及一種快件體積預測模型的訓練方法、快件運輸規劃方法、裝置。

背景技術

目前針對快遞體積的測量方法大致分為兩種，一種是人工通過長寬高手工測量，另一種是基于視覺算法搭配視覺設備進行半自動測量。但兩種方法均存在測量效率低，測量設備成本與人工成本高的問題，僅可以應用在小范圍特定場景下快遞體積測量，無法應用于超億級每票運單的體積測量。

發明內容

本申請旨在提供一種快件體積預測模型的訓練方法、快件運輸規劃方法、裝置，旨在解決現有技術中快件體積預測不準確，且計算量大效率低下的問題。

第一方面，本申請實施例提供一種快件體積預測模型的訓練方法，所述方法包括：

獲取預設歷史時段內的歷史運單對應的歷史運單信息；

處理所述歷史運單信息中的異常數據，得到第一運單信息，所述第一運單信息中包括所述歷史運單中的快件對應的多個快件基礎特征；

根據所述第一運單信息中的多個快件基礎特征，確定影響快件體積的目標快件特征；

根據所述目標快件特征訓練第一快件體積預測模型，得到預測快件體積的目標快件體積預測模型。

在一種可能的實施例中，所述處理所述歷史運單信息中的異常數據，得到第一運單信息，包括：

去除所述歷史運單信息中，缺失比例大于等于預設缺失比例閾值的特征對應的數據；

利用預設填充方法對所述歷史運單信息中的缺失數據進行補充；

去除所述歷史運單信息中的異常數據；

其中，所述第一運單信息中包括所述歷史運單中的快件對應的多個快件基礎特征。

在一種可能的實施例中，所述根據所述第一運單信息中的多個快件基礎特征，確定影響快件體積的目標快件特征，包括：

根據所述中的多個快件基礎特征，確定影響快件體積的初始快件特征，得到多個初始快件特征；

對所述多個初始快件特征進行排序，以得到排序后的多個初始快件特征；

在所述排序后的多個初始快件特征中，確定影響快件體積的目標快件特征。

在一種可能的實施例中，所述根據所述目標快件特征訓練第一快件體積預測模型，得到目標快件體積預測模型，包括：

獲取第一快件體積預測模型；

將所述第一快件體積預測模型與所述目標快件特征結合，得到第二快件體積預測模型；

獲取包括快件體積的訓練集，以利用所述訓練集訓練所述第二快件體積預測模型，得到所述目標快件體積預測模型。

在一種可能的實施例中，所述獲取包括快件體積的訓練集，以利用所述訓練集訓練所述第二快件體積預測模型，得到所述目標快件體積預測模型，包括：

將所述訓練集劃分為基于寄遞地區的第一訓練集，和基于托寄物的第二訓練集；